CN115464557A - 基于路径调整移动机器人作业的方法及移动机器人 - Google Patents

基于路径调整移动机器人作业的方法及移动机器人 Download PDF

Info

Publication number
CN115464557A
CN115464557A CN202210977887.4A CN202210977887A CN115464557A CN 115464557 A CN115464557 A CN 115464557A CN 202210977887 A CN202210977887 A CN 202210977887A CN 115464557 A CN115464557 A CN 115464557A
Authority
CN
China
Prior art keywords
polishing
image
color
area
mobile robot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210977887.4A
Other languages
English (en)
Inventor
由嘉
胡韫良
魏先洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Academy of Aerospace Technology
Original Assignee
Shenzhen Academy of Aerospace Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Academy of Aerospace Technology filed Critical Shenzhen Academy of Aerospace Technology
Priority to CN202210977887.4A priority Critical patent/CN115464557A/zh
Publication of CN115464557A publication Critical patent/CN115464557A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/235—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on user input or interaction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/32—Normalisation of the pattern dimensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于路径调整移动机器人作业的方法及移动机器人，其方法包括：采集打磨工位中打磨对象下的打磨区域图像；提取打磨区域图像的主色；基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态；若判断所述打磨区域图像达到路径调整状态，则停止移动机器人对打磨对象进行打磨作业，并基于路径调整状态调整移动机器人进入下一个打磨工位。本发明通过采集移动机器人所作业区域的打磨区域图像，实现移动机器人对打磨对象的精细化控制，在触发打磨生产线下一个打磨对象的路径调整。

Description

基于路径调整移动机器人作业的方法及移动机器人
技术领域
本发明涉及移动机器人技术领域，尤其涉及一种基于路径调整移动机器人作业的方法及移动机器人。
背景技术
移动机器人可以常见于打磨作业中，其可以通过流水化作业适于打磨生产线中，移动机器人可以针对打磨生产线来自适应生成路径调整策略，但如何基于流水化作业能自适应调整路径变得尤为重要，由于打磨对象的精细化打磨过程对于路径自适应调整要求较高，若打磨程度不够或者打磨对象未达到相应需求，移动机器人擅自离开打磨工作岗位，会使得打磨对象变成半成品或者次品，会造成产品后续检验或者更换耗费更大的精力和时间。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于路径调整移动机器人作业的方法及移动机器人，其通过采集移动机器人所作业区域的打磨区域图像，实现移动机器人对打磨对象的精细化控制，在触发打磨生产线下一个打磨对象的路径调整。
为了解决上述问题，本发明提出了一种基于路径调整移动机器人作业的方法，所述方法包括：
采集打磨工位中打磨对象下的打磨区域图像；
提取打磨区域图像的主色；
基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态；
若判断所述打磨区域图像达到路径调整状态，则停止移动机器人对打磨对象进行打磨作业，并基于路径调整状态调整移动机器人进入下一个打磨工位。
所述提取打磨区域图像的主色包括：
将打磨区域图像用CIELAB颜色空间表示且进行颜色空间量化获得若干级量化颜色并统计每级量化颜色在打磨区域中出现的频次；
将聚类样本由像素空间映射到颜色空间得到颜色样本空间；
使用谱系聚类算法对映射后的颜色样本空间中的各级色彩进行聚类并获取谱系聚类的结果类心；
以谱系聚类的结果作为初始类心，对聚类样本进行快速FCM聚类，确定打磨区域图像的主要颜色。
所述基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态包括：
基于颜色距离公式计算打磨区域图像中每个像素颜色与所述打磨区域图像的主色的颜色距离，并将像素颜色归入颜色距离最小的主色，统计打磨区域图像的主色所覆盖的像素数；
计算打磨区域图像的主色的空间分布信息熵；
根据所述空间分布信息熵判断所述打磨区域图像是否达到路径调整状态。
所述采集打磨工位中打磨对象下的打磨区域图像包括：
对打磨区域图像进行预处理；
对预处理后的打磨区域图像进行图像裁剪。
所述对打磨区域图像进行预处理包括：
提取打磨区域图像D1并从RGB彩色空间转换到HSV空间，从而得到打磨区域图像D1的色彩特征，包括：色调H分量、饱和度S分量和亮度V分量；
根据打磨区域图像D1的色彩特征，设置色调H分量的第一阈值和饱和度S分量的第二阈值；
根据所述第一阈值和第二阈值判断打磨区域图像D1的各个像素点所在区域，并完成对打磨区域图像的背景移除处理，得到移除背景后的打磨区域图像D2。
所述对预处理后的打磨区域图像进行图像裁剪包括：
对移除背景后的打磨区域图像D2进行平滑处理，再裁剪出打磨区域图像D3，将裁剪出的打磨区域图像D3进行尺度归一化处理，得到归一化后的打磨区域图像D4。
所述根据所述空间分布信息熵判断所述打磨区域图像是否达到路径调整状态包括：
获取打磨对象的打磨图像阈值信息熵；
将所述打磨图像阈值信息熵与所述空间分布信息熵进行相似度匹配，获得相似系数；
判断所述相似系数是否达到路径调整状态。
其特征在于，所述方法还包括：
若判断所述打磨区域图像未达到路径调整状态，则触发移动机器人继续对打磨对象进行打磨作业。
相应的，本发明还提出了一种移动机器人，所述移动机器人包括：
采集模块，用于采集打磨工位中打磨对象下的打磨区域图像；
主色提取模块，用于提取打磨区域图像的主色；
判断处理模块，用于基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态；
路径调整模块，用于在判断所述打磨区域图像达到路径调整状态时，则停止移动机器人对打磨对象进行打磨作业，并基于路径调整状态调整移动机器人进入下一个打磨工位。
所述判断处理模块包括：
像素计算单元，用于基于颜色距离公式计算打磨区域图像中每个像素颜色与所述打磨区域图像的主色的颜色距离，并将像素颜色归入颜色距离最小的主色，统计打磨区域图像的主色所覆盖的像素数；
信息熵单元，用于计算打磨区域图像的主色的空间分布信息熵；
判断单元，用于根据所述空间分布信息熵判断所述打磨区域图像是否达到路径调整状态。
本发明所涉及的自适应调节移动机器人作业区域颜色的方法及移动机器人通过采集打磨工作中打磨对象下的打磨区域图像，使得移动机器人可以实时了解到打磨区域是否达到路径调整状态，从而自适应调节整个移动机器人至下一个打磨工作或者下一个相关流水作业中。这里通过识别打磨区域的主色，然后通过主色的空间分布信息熵和作业区域颜色设定值进行判断，能够快速达到对打磨区域的实时性评估，从而实现对打磨区域精细化控制，同时实现移动机器人对打磨流水线作业的协同控制，提升打磨流水线的协同作业效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的移动机器人的结构示意图；
图2是本发明实施例中的判断处理模块的结构示意图；
图3是本发明实施例中的基于路径调整移动机器人作业的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1示出了本发明实施例中的移动机器人的结构示意图，该移动机器人包括：
采集模块，用于采集打磨工位中打磨对象下的打磨区域图像；
主色提取模块，用于提取打磨区域图像的主色；
判断处理模块，用于基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态；
路径调整模块，用于在判断所述打磨区域图像达到路径调整状态时，则停止移动机器人对打磨对象进行打磨作业，并基于路径调整状态调整移动机器人进入下一个打磨工位。
具体的，图2示出了本发明实施例中的判断处理模块的结构示意图，该主色识别模块包括：
像素计算单元，用于基于颜色距离公式计算打磨区域图像中每个像素颜色与所述打磨区域图像的主色的颜色距离，并将像素颜色归入颜色距离最小的主色，统计打磨区域图像的主色所覆盖的像素数；
信息熵单元，用于计算打磨区域图像的主色的空间分布信息熵；
判断单元，用于根据所述空间分布信息熵判断所述打磨区域图像是否达到路径调整状态。
需要说明的是，基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态包括：基于颜色距离公式计算打磨区域图像中每个像素颜色与所述打磨区域图像的主色的颜色距离，并将像素颜色归入颜色距离最小的主色，统计打磨区域图像的主色所覆盖的像素数；计算打磨区域图像的主色的空间分布信息熵；根据所述空间分布信息熵判断所述打磨区域图像是否达到路径调整状态。
这里的移动机器人通过采集打磨工作中打磨对象下的打磨区域图像，使得移动机器人可以实时了解到打磨区域是否达到路径调整状态，从而自适应调节整个移动机器人至下一个打磨工作或者下一个相关流水作业中。这里通过识别打磨区域的主色，然后通过主色的空间分布信息熵和作业区域颜色设定值进行判断，能够快速达到对打磨区域的实时性评估，从而实现对打磨区域精细化控制，同时实现移动机器人对打磨流水线作业的协同控制，提升打磨流水线的协同作业效率。
本发明实施例中所涉及的基于路径调整移动机器人作业的方法，所述方法包括：采集打磨工位中打磨对象下的打磨区域图像；提取打磨区域图像的主色；基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态；若判断所述打磨区域图像达到路径调整状态，则停止移动机器人对打磨对象进行打磨作业，并基于路径调整状态调整移动机器人进入下一个打磨工位。
具体的，图3示出了本发明实施例中的基于路径调整移动机器人作业的方法流程图，具体包括：
S301、采集打磨工位中打磨对象下的打磨区域图像；
一条打磨生产线可以设置有若干个打磨对象，若干个打磨对象设置于对应的打磨工位上，移动机器人可以基于路径规划来对若干个打磨对象进行打磨处理，在对打磨工位下的每个打磨对象进行打磨处理时，其需要对实时采集打磨工作中打磨对象下的打磨区域图形。
这里采集打磨工位中打磨对象下的打磨区域图像包括：对打磨区域图像进行预处理；对预处理后的打磨区域图像进行图像裁剪。
这里对打磨区域图像进行预处理包括：提取打磨区域图像D1并从RGB彩色空间转换到HSV空间，从而得到打磨区域图像D1的色彩特征，包括：色调H分量、饱和度S分量和亮度V分量；根据打磨区域图像D1的色彩特征，设置色调H分量的第一阈值和饱和度S分量的第二阈值；根据所述第一阈值和第二阈值判断打磨区域图像D1的各个像素点所在区域，并完成对打磨区域图像的背景移除处理，得到移除背景后的打磨区域图像D2。
这里根据所述第一阈值和第二阈值判断打磨区域图像D1的各个像素点所在区域，并完成对打磨区域图像的背景移除处理包括：
若所述打磨区域图像D1中的任意一个像素点的色调H分量小于第一阈值且饱和度S分量大于第二阈值，则判定相应像素点为作业区域的像素点，并保持作业区域的像素点的像素值不变；
否则，判定相应像素点为背景区域的像素点，并令背景区域的像素点的像素值为“0”；从而完成对作业区域图像的背景移除处理。
这里对预处理后的打磨区域图像进行图像裁剪包括：
对移除背景后的打磨区域图像D2进行平滑处理，再裁剪出打磨区域图像D3，将裁剪出的打磨区域图像D3进行尺度归一化处理，得到归一化后的打磨区域图像D4。
这里背景移除目的是防止背景区域给打磨区域图像的主色提取和匹配带来干扰，保证打磨区域图像的主色识别结果的稳定性，从而能够保障打磨区域图像能达到精准化识别。需要说明的是，每个打磨对象下的打磨区域图像具有不同的个性化，其可以对打磨区域图像设置有打磨图像阈值信息熵，即一条打磨生产线上若干个打磨对象，每个打磨对象可以结合打磨结果需要设置所对应的打磨图像阈值信息熵。
S302、提取打磨区域图像的主色；
这里提取打磨区域图像的主色包括：将打磨区域图像用CIELAB颜色空间表示且进行颜色空间量化获得若干级量化颜色并统计每级量化颜色在打磨区域中出现的频次；将聚类样本由像素空间映射到颜色空间得到颜色样本空间；使用谱系聚类算法对映射后的颜色样本空间中的各级色彩进行聚类并获取谱系聚类的结果类心；以谱系聚类的结果作为初始类心，对聚类样本进行快速FCM聚类，确定打磨区域图像的主要颜色。
这里通过提取打磨区域图像的主色，然后用来对统计打磨区域图像所覆盖的像素数，使得其可以围绕主色来自适应计算主色所覆盖的范围，从而可以为打磨作业下的颜色值能达到更精细化匹配，使得其可以精准触发路径调整状态，对已经完成的打磨对象停止打磨作业。
S303、统计打磨区域图像的主色所覆盖的像素数；
具体的，基于颜色距离公式计算打磨区域图像中每个像素颜色与所述打磨区域图像的主色的颜色距离，并将像素颜色归入颜色距离最小的主色，统计打磨区域图像的主色所覆盖的像素数。
由于量化后的颜色数量，大大小于像素的个数，通过将聚类样本从像素映射到量化后的颜色，减少了聚类样本数量。而聚类样本数量决定的聚类算法效率，所以提高了整个统计的效率。
S304、计算打磨区域图像的主色的空间分布信息熵；
S305、判断所述打磨区域图像是否达到路径调整状态；
具体实施过程中，根据所述空间分布信息熵判断所述打磨区域图像是否达到路径调整状，其可以根据空间分布信息熵与打磨图像阈值信息熵来计算打磨区域图像和打磨图像阈值信息熵的相似系数，然后根据相似系数判断是否达到路径调整状态的条件。
获取打磨对象的打磨图像阈值信息熵；将所述打磨图像阈值信息熵与所述空间分布信息熵进行相似度匹配，获得相似系数；判断所述相似系数是否达到路径调整状态。
这里通过相似度匹配过程，使得其可以基于打磨区域图像达到精细化控制移动机器人的目的，一方面可以触发其停止打磨，然后基于路径调整状态进入到下一个打磨工位上进行相应打磨操作。
S306、停止移动机器人对打磨对象进行打磨作业，并基于路径调整状态调整移动机器人进入下一个打磨工位；
若判断所述打磨区域图像达到路径调整状态，则说明移动机器人对目前的打磨对象的打磨作业已经完成，其可以不需要对打磨对象进行打磨作业，其可以停止打磨作业过程。
由于打磨流水线是若干个打磨对象，或者按照打磨工位设定的打磨流水线，这里还需要触发获得下一个打磨工位的位置坐标信息，然后基于当前打磨工位的位置信息和下一个打磨工位的位置坐标信息进行移动机器人的路径规划，生成路径规划信息，移动机器人基于路径规划信息从当前打磨工位移动到下一个打磨工位上。
在移动机器人进入到下一个打磨工位上时，其可以对下一个打磨工位上的打磨对象进行相应的打磨操作处理，其继续完成S301至S307，直至整个打磨对象的打磨处理满足预设要求。
S307、触发移动机器人继续对打磨对象进行打磨作业。
若打磨区域图像未达到路径调整状态，则说明整个打磨作业过程未达标，需要控制移动机器人继续完成相应的打磨作业控制，直至打磨对象下的打磨过程达到整个应用需求。
在进行打磨作业的过程中，会相应触发数据采集过程，即通过对打磨对象下的打磨区域图像的采集过程，使得其继续进行S301至S305步骤，知道整个路径调整状态满足时，触发路径调整进入到下一个打磨工位进行相应打磨处理。
本发明实施例中的方法通过采集打磨工作中打磨对象下的打磨区域图像，使得移动机器人可以实时了解到打磨区域是否达到路径调整状态，从而自适应调节整个移动机器人至下一个打磨工作或者下一个相关流水作业中。这里通过识别打磨区域的主色，然后通过主色的空间分布信息熵和作业区域颜色设定值进行判断，能够快速达到对打磨区域的实时性评估，从而实现对打磨区域精细化控制，同时实现移动机器人对打磨流水线作业的协同控制，提升打磨流水线的协同作业效率。
本发明实施例还提供了一种移动机器人，所述移动机器人中设置有存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于与所述存储器耦合，用于执行所述计算机程序，以实现以上所述的方法。
本发明实施例还提供了一种计算机可读存储介质，所述当所述计算机程序被处理器执行时，致使所述处理器实现以上所述方法中的步骤。
以上对本发明实施例进行了详细介绍，本文中采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于路径调整移动机器人作业的方法，其特征在于，所述方法包括：
采集打磨工位中打磨对象下的打磨区域图像；
提取打磨区域图像的主色；
基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态；
若判断所述打磨区域图像达到路径调整状态，则停止移动机器人对打磨对象进行打磨作业，并基于路径调整状态调整移动机器人进入下一个打磨工位。
2.如权利要求1所述的基于路径调整移动机器人作业的方法，其特征在于，所述提取打磨区域图像的主色包括：
将打磨区域图像用CIELAB颜色空间表示且进行颜色空间量化获得若干级量化颜色并统计每级量化颜色在打磨区域中出现的频次；
将聚类样本由像素空间映射到颜色空间得到颜色样本空间；
使用谱系聚类算法对映射后的颜色样本空间中的各级色彩进行聚类并获取谱系聚类的结果类心；
以谱系聚类的结果作为初始类心，对聚类样本进行快速FCM聚类，确定打磨区域图像的主要颜色。
3.如权利要求1所述的基于路径调整移动机器人作业的方法，其特征在于，所述基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态包括：
基于颜色距离公式计算打磨区域图像中每个像素颜色与所述打磨区域图像的主色的颜色距离，并将像素颜色归入颜色距离最小的主色，统计打磨区域图像的主色所覆盖的像素数；
计算打磨区域图像的主色的空间分布信息熵；
根据所述空间分布信息熵判断所述打磨区域图像是否达到路径调整状态。
4.如权利要求1所述的基于路径调整移动机器人作业的方法，其特征在于，所述采集打磨工位中打磨对象下的打磨区域图像包括：
对打磨区域图像进行预处理；
对预处理后的打磨区域图像进行图像裁剪。
5.如权利要求4所述的基于路径调整移动机器人作业的方法，其特征在于，所述对打磨区域图像进行预处理包括：
提取打磨区域图像D1并从RGB彩色空间转换到HSV空间，从而得到打磨区域图像D1的色彩特征，包括：色调H分量、饱和度S分量和亮度V分量；
根据打磨区域图像D1的色彩特征，设置色调H分量的第一阈值和饱和度S分量的第二阈值；
根据所述第一阈值和第二阈值判断打磨区域图像D1的各个像素点所在区域，并完成对打磨区域图像的背景移除处理，得到移除背景后的打磨区域图像D2。
6.如权利要求5所述的基于路径调整移动机器人作业的方法，其特征在于，所述对预处理后的打磨区域图像进行图像裁剪包括：
对移除背景后的打磨区域图像D2进行平滑处理，再裁剪出打磨区域图像D3，将裁剪出的打磨区域图像D3进行尺度归一化处理，得到归一化后的打磨区域图像D4。
7.如权利要求3所述的自适应调节移动机器人作业区域颜色的方法，其特征在于，所述根据所述空间分布信息熵判断所述打磨区域图像是否达到路径调整状态包括：
获取打磨对象的打磨图像阈值信息熵；
将所述打磨图像阈值信息熵与所述空间分布信息熵进行相似度匹配，获得相似系数；
判断所述相似系数是否达到路径调整状态。
8.如权利要求1至7任一项所述的自适应调节移动机器人作业区域颜色的方法，其特征在于，所述方法还包括：
若判断所述打磨区域图像未达到路径调整状态，则触发移动机器人继续对打磨对象进行打磨作业。
9.一种移动机器人，其特征在于，所述移动机器人包括：
采集模块，用于采集打磨工位中打磨对象下的打磨区域图像；
主色提取模块，用于提取打磨区域图像的主色；
判断处理模块，用于基于打磨区域图像的主色判断所述打磨区域图像是否达到路径调整状态；
路径调整模块，用于在判断所述打磨区域图像达到路径调整状态时，则停止移动机器人对打磨对象进行打磨作业，并基于路径调整状态调整移动机器人进入下一个打磨工位。
10.如权利要求8所述的移动机器人，其特征在于，所述判断处理模块包括：
像素计算单元，用于基于颜色距离公式计算打磨区域图像中每个像素颜色与所述打磨区域图像的主色的颜色距离，并将像素颜色归入颜色距离最小的主色，统计打磨区域图像的主色所覆盖的像素数；
信息熵单元，用于计算打磨区域图像的主色的空间分布信息熵；
判断单元，用于根据所述空间分布信息熵判断所述打磨区域图像是否达到路径调整状态。
CN202210977887.4A 2022-08-15 2022-08-15 基于路径调整移动机器人作业的方法及移动机器人 Pending CN115464557A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210977887.4A CN115464557A (zh) 2022-08-15 2022-08-15 基于路径调整移动机器人作业的方法及移动机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210977887.4A CN115464557A (zh) 2022-08-15 2022-08-15 基于路径调整移动机器人作业的方法及移动机器人

Publications (1)

Publication Number Publication Date
CN115464557A true CN115464557A (zh) 2022-12-13

Family

ID=84368167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210977887.4A Pending CN115464557A (zh) 2022-08-15 2022-08-15 基于路径调整移动机器人作业的方法及移动机器人

Country Status (1)

Country Link
CN (1) CN115464557A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117140354A (zh) * 2023-10-31 2023-12-01 雅安成建工业化建筑有限公司 一种基于轨迹优化的用于建筑用金属制品的打磨系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130107292A1 (en) * 2011-10-31 2013-05-02 Philippe KOEHL Dynamic image gamut compression
WO2014173290A1 (zh) * 2013-04-22 2014-10-30 苏州宝时得电动工具有限公司 自动行走设备及其工作区域判断方法
CN106041946A (zh) * 2016-05-23 2016-10-26 广东工业大学 基于图像处理的机械人打磨生产方法及应用其的生产系统
CN107578451A (zh) * 2017-09-20 2018-01-12 太原工业学院 一种面向自然图像的自适应主色提取方法
CN108972573A (zh) * 2018-06-12 2018-12-11 浙江大学 一种基于图像特征识别的工业机器人自动化轮毂打磨系统及方法
CN109030384A (zh) * 2018-07-04 2018-12-18 中国航空制造技术研究院 一种在线监测打磨质量的方法
CN111797840A (zh) * 2020-01-10 2020-10-20 中国人民解放军国防科技大学 自适应迷彩伪装效果在线评估及系统
CN111798526A (zh) * 2020-01-10 2020-10-20 中国人民解放军国防科技大学 基于聚类空间映射的彩色图像主色快速提取方法及系统
CN111798539A (zh) * 2020-01-10 2020-10-20 中国人民解放军国防科技大学 自适应迷彩伪装在线设计方法及系统
CN112287809A (zh) * 2020-10-27 2021-01-29 国家电网有限公司 基于图像分析检测安全区域内作业人员的方法、系统和存储介质
CN113344007A (zh) * 2021-06-02 2021-09-03 中国科学技术大学 一种原木指纹提取与匹配方法
CN114273988A (zh) * 2021-12-20 2022-04-05 徐州申工金属科技有限公司 一种基于三维设计优化的金属铸件精准打磨方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130107292A1 (en) * 2011-10-31 2013-05-02 Philippe KOEHL Dynamic image gamut compression
WO2014173290A1 (zh) * 2013-04-22 2014-10-30 苏州宝时得电动工具有限公司 自动行走设备及其工作区域判断方法
CN106041946A (zh) * 2016-05-23 2016-10-26 广东工业大学 基于图像处理的机械人打磨生产方法及应用其的生产系统
CN107578451A (zh) * 2017-09-20 2018-01-12 太原工业学院 一种面向自然图像的自适应主色提取方法
CN108972573A (zh) * 2018-06-12 2018-12-11 浙江大学 一种基于图像特征识别的工业机器人自动化轮毂打磨系统及方法
CN109030384A (zh) * 2018-07-04 2018-12-18 中国航空制造技术研究院 一种在线监测打磨质量的方法
CN111797840A (zh) * 2020-01-10 2020-10-20 中国人民解放军国防科技大学 自适应迷彩伪装效果在线评估及系统
CN111798526A (zh) * 2020-01-10 2020-10-20 中国人民解放军国防科技大学 基于聚类空间映射的彩色图像主色快速提取方法及系统
CN111798539A (zh) * 2020-01-10 2020-10-20 中国人民解放军国防科技大学 自适应迷彩伪装在线设计方法及系统
CN112287809A (zh) * 2020-10-27 2021-01-29 国家电网有限公司 基于图像分析检测安全区域内作业人员的方法、系统和存储介质
CN113344007A (zh) * 2021-06-02 2021-09-03 中国科学技术大学 一种原木指纹提取与匹配方法
CN114273988A (zh) * 2021-12-20 2022-04-05 徐州申工金属科技有限公司 一种基于三维设计优化的金属铸件精准打磨方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邵欣等: "《机器视觉与传感器技术》", vol. 1, 北京航空航天大学出版社, pages: 122 - 126 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117140354A (zh) * 2023-10-31 2023-12-01 雅安成建工业化建筑有限公司 一种基于轨迹优化的用于建筑用金属制品的打磨系统
CN117140354B (zh) * 2023-10-31 2024-01-05 雅安成建工业化建筑有限公司 一种基于轨迹优化的用于建筑用金属制品的打磨系统

Similar Documents

Publication Publication Date Title
CN111428748B (zh) 一种基于hog特征和svm的红外图像绝缘子识别检测方法
CN104483326B (zh) 基于深度信念网络的高压线绝缘子缺陷检测方法及系统
CN106886216B (zh) 基于rgbd人脸检测的机器人自动跟踪方法和系统
CN107085846B (zh) 工件表面缺陷图像识别方法
CN110006907A (zh) 一种基于机器视觉的压铸件表面缺陷检测方法及系统
CN112907519A (zh) 一种基于深度学习的金属曲面缺陷分析系统及方法
CN117392733B (zh) 一种痤疮分级检测方法、装置、电子设备及存储介质
CN109509188B (zh) 一种基于hog特征的输电线路典型缺陷识别方法
CN110348461A (zh) 一种工件表面缺陷特征提取方法
CN112906529A (zh) 人脸识别补光方法、装置、人脸识别设备及其系统
CN115464557A (zh) 基于路径调整移动机器人作业的方法及移动机器人
CN113298798A (zh) 基于特征融合的主轴颈缺陷检测方法
CN109255336A (zh) 基于巡检机器人的避雷器识别方法
CN111724376B (zh) 一种基于纹理特征分析的纸病检测方法
CN111339927B (zh) 一种电力营业厅人员工作状态智能识别系统
CN110728286B (zh) 一种基于火花图像的砂带磨削材料去除率识别方法
CN116843581B (zh) 一种多场景图的图像增强方法、系统、设备和存储介质
CN111968078A (zh) 一种变电设备的外观检测方法、装置、设备和存储介质
CN112257730A (zh) 植物害虫图像识别方法、装置、设备及存储介质
CN117011260A (zh) 一种芯片外观缺陷自动检测方法、电子设备及存储介质
CN111626150B (zh) 商品识别方法
CN114663365A (zh) 缺陷检测方法、装置及计算机存储介质
CN114639022A (zh) 基于sufr模板匹配的开关柜分合状态识别方法及系统
CN107948575A (zh) 一种通话模式的控制方法及装置
CN115542893A (zh) 自适应调节移动机器人作业区域颜色的方法及移动机器人

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination